- Регистрация
- 24.09.2021
- Сообщения
- 38 398
Курс нужен всем, кто хочет научиться работать с компьютерным зрением, обучать машины и строить нейронные сети.
Программа курса
Семестр 1. Foundation
1. Основы программирования на Python + Python для анализа данных
• Введение в программирование на Python
• Анализ данных в Pandas и NumPy
• Визуализация, очистка данных и Feature Engineering
• Работа c файлами, HTML-страницами и API
Python — 10 модулей
2. Подгрузка данных
SQL & Python — 6 модулей
1,5 месяцев, 1 проект
• Выгрузка данных из разных источников с помощью Python
• Выгрузка баз данных с помощью SQL
• Выбор подходящих данных для решения задач
3. Разведывательный анализ данных
EDA 6 — модулей
1,5 месяцев, 1 проект
• Разведывательный анализ с помощью Pandas, Numpy
• Основы статистики и проверка статистических гипотез
• ML-эксперименты
• Использование ML-Flow
• Feature Engineering
Семестр 2. Machine Learning & Математика
4. Введение в машинное обучение
Machine Learning — 8 модулей
2 месяца, 1 проект
• Задачи классификации, регрессии и кластеризации
• Отбор и селекция признаков
• Валидация данных
• Оптимизация гиперпараметров и улучшение качества модели
5. Математика и углубленное машинное обучение
Math & ML — 15 модулей
15 недель, 2 проекта
• Линейная алгебра
• Матанализ и методы оптимизации
• Основы теории вероятности
• Основные модели машинного обучения
• Оценка качества алгоритмов
6. ML в бизнесе
ML в бизнесе -8 модулей
1,5 месяца, 1 проект
• Математические и ML-модели временных рядов
• Рекомендательные системы
• Мachine Learning в Production
• Оценка эффективности моделей в реальных бизнес-задачах
Программа курса
Семестр 1. Foundation
1. Основы программирования на Python + Python для анализа данных
• Введение в программирование на Python
• Анализ данных в Pandas и NumPy
• Визуализация, очистка данных и Feature Engineering
• Работа c файлами, HTML-страницами и API
Python — 10 модулей
2. Подгрузка данных
SQL & Python — 6 модулей
1,5 месяцев, 1 проект
• Выгрузка данных из разных источников с помощью Python
• Выгрузка баз данных с помощью SQL
• Выбор подходящих данных для решения задач
3. Разведывательный анализ данных
EDA 6 — модулей
1,5 месяцев, 1 проект
• Разведывательный анализ с помощью Pandas, Numpy
• Основы статистики и проверка статистических гипотез
• ML-эксперименты
• Использование ML-Flow
• Feature Engineering
Семестр 2. Machine Learning & Математика
4. Введение в машинное обучение
Machine Learning — 8 модулей
2 месяца, 1 проект
• Задачи классификации, регрессии и кластеризации
• Отбор и селекция признаков
• Валидация данных
• Оптимизация гиперпараметров и улучшение качества модели
5. Математика и углубленное машинное обучение
Math & ML — 15 модулей
15 недель, 2 проекта
• Линейная алгебра
• Матанализ и методы оптимизации
• Основы теории вероятности
• Основные модели машинного обучения
• Оценка качества алгоритмов
6. ML в бизнесе
ML в бизнесе -8 модулей
1,5 месяца, 1 проект
• Математические и ML-модели временных рядов
• Рекомендательные системы
• Мachine Learning в Production
• Оценка эффективности моделей в реальных бизнес-задачах